文章目錄

• 一：什么是正則表達式
• 二：grep-文本搜索
• 三：元字符和文字
• • （1）任意字符——.
  • （2）錨——^和$
  • （3）中括號和字符類
  • • A：否定
    • B：傳統字符范圍
    • C：POSIX字符類
  • （4）或和組合
  • （5）限定符
  • • A：匹配元素0次或者是1次-？
    • B：匹配任意字符多次或零次-*
    • C：匹配某元素一次或多次-+
    • D：以指定次數匹配某元素

一：什么是正則表達式

正則表達式(Regular Expression)是一種文本模式，包括普通字符（例如，a 到 z 之間的字母）和特殊字符（稱為"元字符"）。
正則表達式使用單個字符串來描述、匹配一系列匹配某個句法規則的字符串。正則表達式是繁瑣的，但它是強大的，學會之后的應用會讓你除了提高效率外，會給你帶來絕對的成就感。只要認真閱讀本教程，加上應用的時候進行一定的參考，掌握正則表達式不是問題。許多程序設計語言都支持利用正則表達式進行字符串操作。

二：grep-文本搜索

正如Python中的正則表達式工具可以用到re.match一樣，在Linux中用來處理正則表達式的主要程序是grep。實際上，grep搜索文本文件中與指定正則表達式匹配的行，并將結果輸出到標準輸出。

grep程序按照如下方式接受選項和參數
grep [options] regex [file]，其中regex代表某個正則表達式
下標列出了grep的常用選項

比如對如下文件，使用grep搜索

三：元字符和文字

大家可能會感覺到很奇怪，但是grep的確是在使用正則表達式。比如上圖中的grep baby test.txt，就是在匹配文本中至少包含4個字符，存在連續的，按照b，a，b，y順序組成的字符串的行 其中的bzip都是文本字符，也就是他們只能匹配自己，b只能匹配b，除了文字字符，更多的正則表達式使用元字符完成更復雜的匹配操作。

有：^ $ . [ ] { } - ? * + ( ) | \

可以發現，上面很多元字符在shell中具有特殊含義，所以在執行時有時要用引號避免引起擴展

（1）任意字符——.

.這個元字符用于匹配任意字符

比如grep ".zip" test.txt，表示匹配zip，并且z前面以任意字符開頭

• 注意zip這個字符并沒有匹配，因為.zip匹配的是4個字符
  

• 而且如果某個字符中直接包含了.zip，那么也是可以匹配到的，因為.也會被當做任意字符處理

（2）錨——^和$

^表示開頭，$表示末尾

比如要查找以z開頭，包含zip的行

比如只是要匹配zip

（3）中括號和字符類

簡單點說中括號內的字符只要滿足，就可以匹配得到
比如說要匹配bzip或gzip就可以這樣操作

一個字符集可以包含任意數目的字符，并且元字符放到中括號時，就會時期他們的特殊含義。
有兩種情況，中括號使用元字符時會有不同的含義：^在中括號使用時表示否定，-則表示字符范圍

A：否定

當中括號的第一個字符是^時，那么剩下的字符就表示“不應該有”
修改上圖中的例子，就表示匹配那些包含zip字符但是zip前面既不是b也不是g

• 注意如果不把^放在中括號的第一個位置，那么其否定意義就喪失了，就成為了普通字符

B：傳統字符范圍

如果希望匹配所有以大寫字母開頭的文件，你可以這樣輸入

這樣輸入有沒有錯誤？當然沒有，但是很明顯太麻煩了，所以我們可以使用-，也就是連字符

如果將連字符放到中括號的第一個位置，那么連字符就是轉化為了普通字符。

C：POSIX字符類

講這個主題前，先說一個問題。如下使用兩種方式匹配以任意大寫字母開頭的命令，為什么結果不一樣，并且相差這么大？

關于出現這個問題的原因，書中也做了詳細的介紹

所以為了解決這樣的問題，POSIX標準包含了許多標準字符類，這些字符類提供了一些很有用的字符范圍


于是這里我們可以使用他們來進行匹配

POSIX規范將正則表達式分為了基本正則表達式（BRE）和擴展正則表達式（ERE）兩類，到目前為止，我們所討論的正則表達式的所有特性，都得到了兼容POSIX的應用程序的支持，并且都是以BRE的方式實現的（比如說grep）
在BRE中，只承認^ $ . [ ] *是元字符，其他字符一律被視為文字字符，而在ERE中，添加了( ) { } ? + |等元字符

所以以下討論的選項中，grep要加上-e選項，依次支持這些元字符

（4）或和組合

| 表示或，用于從字符串集或正則表達式集中尋找匹配項
如下命令含義是匹配字符串AAA或字符串BBB

()的意思是組合，比如說grep -E "^bz|gz|zip" file.txt，表示匹配以bz或者是包含gz和zip的行，而grep -E" ^(bz|gz|zip)" file.txt則表示匹配以bz開頭或gz開頭或zip開頭的行

（5）限定符

A：匹配元素0次或者是1次-？

？的意思是前面的字符可以不出現，但是出現的話只能出現一次。
舉個例子，我們知道我們國家手機號可以寫作+8613930681613，也可以寫作13930681613，這意味著前面國家地區號可以不出現，所以出現可以書寫正則表達式如下grep -E "(\+[0-9][0-9])?[0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9]" test.txt，其中“+”是元字符，所以要進行轉義，？之前表示括號內的可以不出現，但是出現只能出現1次

如下，兩種手機號都被匹配到了

B：匹配任意字符多次或零次-*

*是我們最常使用的一個元字符，它表示匹配任意字符多次。比如我們經常在命令行使用rm -f *.txt表示刪除任意字符開頭，任意長度但是以.txt結尾的文件

舉個例子，我們都知道QQ郵箱都是以QQ號，也就是數字開頭并以@qq.com結尾，那么匹配一個QQ郵箱的正則表達式就是grep -E "^[0-9]*@qq.com" test2.txt

C：匹配某元素一次或多次-+

+和?的區別就是+匹配時起碼得出現1次。grep -E "(\+[0-9][0-9])?[0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9]" test.txt將其改為grep -E "(\+[0-9][0-9])+[0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9]" test.txt，這將導致沒有國際區號的那個手機號無法匹配到

D：以指定次數匹配某元素

{ }元字符用于描述最小和最大次數的需求匹配
有如下4種方法指定

這樣的話前面匹配手機號的那個就可以簡寫為 grep -E "(\+[0-9]{2})?[0-9]{11}" test.txt，分別表示前面的字符可以出現2次和11次

總結

以上是生活随笔為你收集整理的3-6：常见任务和主要工具之正则表达式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。